AgentTrap 提出首个针对自主渗透测试智能体的闭环蜜罐以应对状态反馈欺骗

该论文提出 AgentTrap，这是首个专为自主渗透测试智能体设计的闭环蜜罐系统，旨在解决传统静态蜜罐无法适应智能体动态攻击策略的问题。实验显示，在包含真实端点和蜜糖端点的 Web 应用中，相比无防御措施，AgentTrap 将真实目标的攻击成功率从 95.8% 降至 79.2%，并在 18.8% 的测试运行中成功诱导出攻击者的 API 密钥。

核心机制包括使用哨兵端点避免良性干扰、基于受保护应用的状态欺骗以及行为引导的升级策略以维持交互并收集证据。评估涉及八个不同的自主渗透测试智能体，结果显示其优于静态欺骗和固定升级策略。分析表明，抵御此类反制措施的能力取决于模型层面对欺骗请求的识别能力以及架构层面对敏感资源的隔离程度。

事实层面确认了 AgentTrap 在特定实验环境下的性能数据；推断层面指出智能体防御需同时关注模型认知与架构隔离；猜测层面认为未来针对更复杂智能体的对抗可能需要更深度的上下文感知欺骗，但原文未提供具体方案或长期趋势预测。